蛋白质是细胞功能的基本要素，翻译后修饰是调控蛋白质稳态和功能的重要机制，修饰紊乱则与人类疾病密切相关。本团队结合生物学、计算机科学和医学等多个学科的理论和知识，发展序列、结构、多组学、医学影像学和临床检测等多模态大数据整合与解析的新型人工智能方法，精准预测重要蛋白质的修饰与功能，并探索其在人类疾病中的潜在作用机制。拟汇报的近期进展包括：1）结合蛋白质序列、结构和理化性质等多种特征，构建功能磷酸化位点预测的机器学习新算法iFPS，预测了3个参与调控寿命的重要磷酸化底物；结合人工智能与经典生物信息学方法，设计了改变蛋白质序列模体的重要突变预测方法iCAL，预测了癌症突变通过改变糖原自噬受体STBD1的自噬选择性，从而促进肿瘤发生的新机制。2）基于血浆蛋白质组学设计了最优标志物组合推荐算法POC-19，预测了11个新冠相关的重要分子标志物，实现了新冠病况的精准分类，以及重症转死亡、轻症转重症和患病转康复的准确预测；在此基础上，整合转录组、蛋白质组和磷酸化组数据，建立节律激酶预测算法iCMod，预测了3个参与调控果蝇行为节律的新激酶，阐明了磷酸化调控昼夜节律的分子机制。3）整合新冠患者的胸部CT影像学和临床诊断大数据，设计和构建了深度学习诊断软件HUST-19，实现了医学影像和临床检测数据的高效整合，为临床决策提供了重要的参考信息。该系统不仅可准确判断患者是否感染新冠，还可以精确预测病情的严重程度以及潜在的死亡可能。
 

蛋白质修饰；人工智能；机器学习；磷酸化